.png){kind=icon}
返回
Computing visual binary orbits via MCMC methods
.png){kind=icon}
PRE
AI
DOI：10.1007/s10686-026-10066-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
确定视觉双星精确轨道对于推导恒星质量和检验恒星演化模型至关重要。然而，由于稀疏、噪声较大的天体测量数据以及轨道运动的非线性特性，这一任务仍具挑战性。本文引入了一种稳健的集成贝叶斯框架，采用马尔可夫链蒙特卡罗（MCMC）方法进行视觉双星轨道确定和历表预测。我们的流程采用多阶段方法：首先通过模拟退火对表观椭圆系数进行全局探索，然后通过MCMC采样进行精炼，并最终推导出坎贝尔轨道要素。其关键特征在于统计采样器中显式、高精度的开普勒方程数值解，在每次迭代中实现，确保整个链严格的自洽开普勒动力学，并达到牛顿-拉弗森水平的精度，绝对误差约为10⁻¹¹。该框架通过与ADS 9982（WDS J16160 + 0721, STF 2026 AB）的验证，这是一颗等级3的短弧系统，其观测弧仅覆盖全轨道约40°，恰是经典圆锥曲线拟合法失效的领域。我们推导的轨道要素在所有七个要素上与第六目录解高度一致，周期P = 408.765年，偏心率e = 0.8135，表明MCMC框架在经典科夫斯基因方法产生非椭圆圆锥拟合时仍能成功。随后应用于四颗历史视觉双星（ADS 6554、ADS 1709、ADS 10,188和ADS 281），该方法产生的轨道要素与现有文献在定量上高度吻合，同时提供了其不确定性的精细概率估计。为所有四个系统生成了直至2030年的更新历表，提供统计上严谨的可信预测区间，可直接应用于当前高分辨率设备的观测规划。
Keyword:
Visual binaries
MCMC method
Kepler’s equation
Orbital elements
期刊
IF:
2.2
论文数:
115
被引数:
1.9K
机构
引用论文
Orbits for 18 Visual Binaries and Two Double-line Spectroscopic Binaries Observed with HRCAM on the CTIO SOAR 4m Telescope, Using a New Bayesian Orbit Code Based on Markov Chain Monte Carlo.png)
ASTRONOMICAL JOURNAL
OAAI
ASTRONOMICAL JOURNALIF5.1
OAAI分享收藏分享收藏
查看更多内容